纺织品质量控制的研究是纺织自动化研究的重要方向。布匹瑕疵的自动化检测和控制一直是纺织自动化领域的薄弱环节。国内外的许多学者在纺织自动化领域的研究已经颇有成效。在国际上，已经有不少的厂商推出自己的基于机器视觉的纺织品瑕疵自动检测系统，有一定的商业应用市场。不过这些系统的硬件和软件往往是价格非常昂贵，一般的中小型企业难以承受。现阶段在我国，纺织品自动检测系统的研究正处于理论研究向商品化系统的过渡阶段，具有很好的发展潜力。这对我国纺织自动化和纺织品质量控制的发展具有重要意义。本课题就是围绕基于机器视觉的纺织品瑕疵检测系统而展开的。本文在综合分析了国内外现有的织物瑕疵自动检测系统和检测算法的基础上，设计了基于计算机视觉的纺织品在线检测系统的硬件平台。该平台以计算机作为织物图像采集和处理的控制核心，结合传统验布机的结构，配以高分辨率的线阵CCD摄像头进行织物图像的采集。织物疵点检测的算法是本课题研究的重点内容。结合各种有效的织物疵点检测算法，通过改进和综合，提出了基于―方法库‖的―联合织物疵点检测‖方法。该方法综合Gabor-Gauss方法、背景分析法、多尺度小波方法作为联合疵点检测的方法库对织物进行疵点检测。这是以快速的计算机处理速度和合适的在线布匹的运动速度为前提的。在此基础上设计了初步的图形用户界面（GUI），以便于人机交互操作。然后，通过基于共生灰度矩和Tamura纹理的特征提取方法，对五种典型的织物疵点提取了22个有效特征，并用PCA进行降维处理。最后，对所得的特征数据集进行基于量化共轭BP神经网络的分类。样本的分类正确率可以达到96%，为进一步的分类研究打下了基础。综合试验过程和结果，本文试验的织物瑕疵检测方法和分类方法有较好的表现，对典型疵点信息适应性较强，基本实现了课题预期的研究目标。试验成果也为课题下一步的研究和完善打下了基础。